Question

我在pytorch中创建了模型，并且运行得非常好，但是当我只想测试一张图像时 batch_size = 1 总是返回第二个类（在这种情况下是狗）。

我试图用> 1的批次进行测试，并且在所有情况下都可行！

体系结构：

TextBox

所以我的张量是[batch，3，224，224]

我尝试过：

ListBox

当一张图像时的响应始终为[[0.4741，0.5259]]

我的测试代码

ListBox

第二个测试代码

model = models.densenet121(pretrained=True)

for param in model.parameters():
param.requires_grad = False
from collections import OrderedDict
classifier = nn.Sequential(OrderedDict([
                          ('fc1', nn.Linear(1024, 500)),
                          ('relu', nn.ReLU()),
                          ('fc2', nn.Linear(500, 2)),
                          ('output', nn.LogSoftmax(dim=1))
                          ]))

model.classifier = classifier

如果我将batch_size更改为1，则始终返回一个张量，该张量说是例如狗[0.43,0.57]。

谢谢！

Answer 1

如果模型“正确”，它只是预测了一条狗，无论torch.argmax(output, dim=1)的大小如何，您都可以使用batch获得标签。

无论如何，您不应使用LogSoftmax作为激活，请使用torch.nn.BCEWithLogitsLoss作为损失函数，并从最后一层中删除激活，并且仅输出一个神经元（图像仅是狗的概率）。在您的情况下看起来像这样：

classifier = nn.Sequential(
    OrderedDict(
        [
            ("fc1", nn.Linear(1024, 500)),
            ("relu", nn.ReLU()),
            ("fc2", nn.Linear(500, 1)),
            # See? No activation needed
        ]
    )
)

只需运行output > 0，就可以在上述网络上使用正确的标签，并且“免费”获得数值稳定性。

Answer 2

我意识到我的模型不在 eval 模式下。

所以我刚刚添加了 model.eval（），现在就可以用于任何大小的批处理

如何在PyTorch中测试单个图像

2 个答案: